Servizio Comunitario di Informazione in materia di Ricerca e Sviluppo - CORDIS

H2020

FLARECAST — Risultato in breve

Project ID: 640216
Finanziato nell'ambito di: H2020-EU.2.1.6.
Paese: Grecia
Dominio: Spazio, Economia digitale

Servizi di previsioni delle eruzioni solari presto disponibili

L'umanità sta diventando sempre più vulnerabile alle condizioni meteorologiche avverse dello spazio a causa della nostra crescente dipendenza dalle tecnologie di rete spaziali. Perdere uno o più nodi di rete anche per un breve periodo di tempo può avere ripercussioni importanti e costi stellari.
Servizi di previsioni delle eruzioni solari presto disponibili
Il tempo spaziale avverso dipende da eruzioni solari ed espulsioni di massa coronale rilasciate dai campi magnetici turbolenti e altamente complessi delle regioni attive del Sole. Comprendere come i campi magnetici della regione attiva evolvono e si comportano permetterà agli scienziati di sviluppare capacità di monitoraggio e di previsioni meteorologiche accurate e affidabili.

L'iniziativa FLARECAST, finanziata dall'UE, ha studiato i fattori scatenanti delle eruzioni solari per migliorare la previsione delle eruzioni attraverso l'applicazione della fisica, della matematica all'avanguardia, della statistica, dei megadati e dell’apprendimento automatico. L'iniziativa è un esempio di un progetto dalla ricerca alla gestione, che utilizza metodologie prese da libri di testo e articoli scientifici per creare il servizio di previsione di eruzioni solari probabilmente più sistematico del mondo.

Sono state impiegate tecniche avanzate di elaborazione delle immagini per determinare le proprietà delle regioni attive solari. Queste includevano area, flusso magnetico, ritaglio, complessità magnetica, elicità e proxy per l'energia magnetica derivata dal magnetogramma solare e immagini di luce bianca in tempo quasi reale. Il team ha correlato i risultati alle attività di eruzione solare e ad algoritmi di predizione ottimizzati tramite raggruppamenti statistici senza supervisione e metodi di apprendimento con supervisione. «Ciò ha consentito ai ricercatori di convalidare l’elaborazione delle immagini e gli algoritmi predittivi delle eruzioni solari prima di lanciare il servizio di previsione delle eruzioni praticamente in tempo reale», racconta il coordinatore del progetto, Manolis Georgoulis.

Una vasta gamma di discipline coinvolte

Il consorzio ha utilizzato la tecnologia dei motori di dati open source Docker come breadboard per facilitare l'infrastruttura del progetto su un set altamente modulare di container Docker. «La gestione dei megadati e l'apprendimento automatico hanno dimostrato che la previsione delle eruzioni solari non è e non dovrebbe riguardare solo l'eliofisica», spiega Georgoulis. «Serve una combinazione di competenze provenienti dalla comunità matematica, statistica, informatica e dell’intelligenza artificiale per fare un passo avanti in questo settore».

Il progetto ha generato tre database con dati nativi ed esterni FLARECAST pari addirittura a 240 terabyte. Questa raccolta di dati indispensabile contribuirà a sostenere molti sforzi di ricerca futuri. Prosegue Georgoulis: «Attualmente circa 15 documenti sottoposti a valutazione inter pares evidenziano diversi aspetti del progetto, come i nuovi e promettenti predittori, la performance degli algoritmi di apprendimento automatico, la relazione o la connessione tra eruzioni ed espulsioni di massa coronale solare e altri risultati. Si prevedono, nel prossimo futuro, altre pubblicazioni focalizzate interamente sul progetto».

La scienza supportata in tutto il mondo

FLARECAST arriva quindi a formare le basi per un sistema di monitoraggio della regioni attive quantitativo e autonomo e per un sistema di previsione delle eruzioni, che potrà servire a ricercatori e a meteorologi spaziali, sia in Europa che in tutto il mondo. Sono inclusi scienziati che lavorano nel campo della fisica solare e dell'eliofisica, che useranno i suoi risultati e database per portare avanti la comprensione della fisica sottesa alle eruzioni solari e agli sforzi futuri di previsione. Il progetto aiuterà anche l'apprendimento automatico e le comunità di megadati ad affinare le proprie capacità e a ideare nuovi metodi, come le tecniche di apprendimento automatico "ibride" e "innovative" sviluppate durante il progetto.

La modularità e la natura a libero accesso dell'infrastruttura FLARECAST consentirà ad altri gruppi di ricerca di espanderla e di aggiungere ulteriori informazioni (come ad esempio eruzioni solari, espulsioni di massa coronale e particelle energetiche solari) a una struttura predittiva meteorologica spaziale integrata, evitando la duplicazione degli sforzi. «Come consorzio, abbiamo già visto le prime manifestazioni d’interesse dall'Europa e altrove, sia per utilizzare i risultati del servizio che per migrare l'intera struttura nei propri locali», conclude Georgoulis.

Informazioni correlate

Keywords

FLARECAST, eruzioni solari, meteorologia spaziale, apprendimento automatico, megadati